arXiv · cs.AI· Hyeongjun Choi·· 1 天前
MARS：基于规则评分的LLM恶意软件分析
MARS: Malware Analysis with Rule-Based Scoring of LLM Claims
arXiv:2610.09553v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hyeongjun Choi
首次提交：2026-10-07 14:55
研究任务与主要进展
MARS提出一种恶意软件分诊框架，比较直接分类与单轮声明评分两条路径；评测覆盖1,195个PE和ELF二进制文件、1,001个近重复簇和六种语言模型。基于论文摘要，直接分类在六种模型上准确率均更高，在两条路径均有可用输出的样本中，准确率优势为3.7至20.9个百分点，且差异的95%簇自助法置信区间均高于零。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org